“原始神经”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果324337个，建议您升级VIP下载更多相关专利

[发明专利]情绪粗略划归模型构建及自动进行情绪粗略获取方法-CN201811618239.X有效
发明人：徐承迪 -专利权人：沛誉（武汉）科技有限公司
申请日： 2018-12-28 - 公布日： 2021-07-20 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种情绪粗略划归模型构建及自动进行情绪粗略获取方法，包括获取原始数据集，所述原始数据集中的每个元素均包括原始生理信号数据包和原始情绪向量；从原始数据集中提取情绪信息，构建与原始数量集中的元素一一对应的训练集，所述训练集中的元素均为情绪信号构成的情绪信号矢量，所述情绪信号矢量与所述原始情绪向量之间具备一一对应关系；根据所述情绪信号矢量和所述原始情绪向量之间的一一对应关系训练预设神经网络模型。本发明创造性地从原始的生理信号中提取情绪特征，进而构建了情绪的粗略划归模型，充分发挥神经网络的优势，实现了基于原始的生理信号即可自动识别用户情绪，具有高智能化的显著优势。
情绪粗略划归模型构建自动进行获取方法

[发明专利]一种针对神经网络处理的权重加解密方法和系统-CN201710182153.6有效
发明人：韩银和;许浩博;王颖 -专利权人：中国科学院计算技术研究所
申请日： 2017-03-24 - 公布日： 2018-08-10 - 主分类号： H04L9/08 文献下载
摘要：本发明涉及一种针对神经网络处理的权重加解密方法和系统，其方法包括：通过加密算法将已训练好的原始权重数据加密，生成加密权重数据；读取该原始密钥并根据解密算法对该加密权重数据进行解密，生成原始权重数据；读取需要执行的指令，对该指令进行解析得到存储地址，并从该存储地址获取输入数据；接收该输入数据和该原始权重数据，根据该指令执行神经网络运算操作，并输出运算结果。本发明通过片外加密系统对权重数据进行加密处理，并采用片上解密单元对加密权重进行解密操作，在实现神经网络运算的同时实现了对权重数据的保护。
一种针对神经网络处理权重解密方法系统

[发明专利]一种对抗样本攻击的防御方法、装置及电子设备-CN202010610929.1有效
发明人：李卓蓉;封超;吴明晖;颜晖;朱凡微;金苍宏 -专利权人：浙大城市学院
申请日： 2020-06-29 - 公布日： 2023-08-22 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种对抗样本攻击的防御方法、装置及电子设备，包括：获取原始样本并进行预处理；根据深度神经网络分类模型和预处理后的样本生成对抗样本；输入原始样本和对抗样本，分别获得原始样本和对抗样本基于所述深度神经网络分类模型的表征；对原始样本和对抗样本的表征进行匹配；以表征匹配误差为正则项构建目标函数，实施防御训练；对待测样本进行预处理；将所述预处理后的待测样本输入至防御训练后的深度神经网络分类模型中，输出分类结果。
一种对抗样本攻击防御方法装置电子设备

[发明专利]神经网络模型的训练方法及装置-CN202111423212.7在审
发明人：王玉龙;王东霞;曹梦华;苏森;徐鹏;双锴;张忠宝;程祥 -专利权人：北京邮电大学;中国人民解放军32802部队
申请日： 2021-11-26 - 公布日： 2022-04-15 - 主分类号： G06N3/08 文献下载
摘要：本公开提供一种神经网络模型的训练方法及装置。所述方法包括：获取与所述神经网络模型的攻击防御需求相应的原始数据集；利用所述原始数据集对所述神经网络模型进行预训练，以得到预训练模型；基于协方差矩阵自适应进化策略CMA‑ES，利用训练数据集对所述预训练模型进行补充训练本公开提供的神经网络模型的训练方法及装置，利用基于协方差矩阵自适应进化策略的神经网络训练算法对神经网络进行补充训练，获得鲁棒神经网络模型，提高神经网络对抗防御的准确性和高效性，确保深度学习相关系统的安全性
神经网络模型训练方法装置

[发明专利]一种芯片验证方法、装置、电子设备以及存储介质-CN202210467033.1在审
发明人：沈煜;胡英俊;徐宁仪 -专利权人：上海阵量智能科技有限公司
申请日： 2022-04-29 - 公布日： 2022-07-29 - 主分类号： G06F30/398 文献下载
摘要：本公开提供了一种芯片验证方法、装置、电子设备及存储介质，该方法包括：获取待校验神经网络；针对所述待校验神经网络包括的至少一种原始算子的算子类型，生成与所述算子类型一致的目标算子；利用所述目标算子对所述待校验神经网络中对应的原始算子进行替换，生成替换后神经网络；利用训练样本，分别对所述替换后神经网络和所述待校验神经网络进行训练，得到所述待校验神经网络对应的第一训练结果、和所述替换后神经网络对应的第二训练结果；基于所述第一训练结果和所述第二训练结果
一种芯片验证方法装置电子设备以及存储介质

[发明专利]目标完整性检测方法及装置-CN201610578817.6有效
发明人：周舒畅;姚聪;周昕宇;何蔚然;印奇 -专利权人：北京旷视科技有限公司;北京迈格威科技有限公司
申请日： 2016-07-20 - 公布日： 2019-04-30 - 主分类号： G06T7/13 文献下载
摘要：该方法包括：将包括目标的原始图像输入至神经网络，以获得所述原始图像的热力图，其中所述热力图的像素值表示了所述原始图像中相应位置的像素属于所述目标的概率；根据所述热力图确定所述目标在所述原始图像中的边缘；以及根据所述边缘确定所述目标在所述原始图像中是否完整。上述方法和装置在检测原始图像中目标的完整性时，能够对原始图像中的杂乱背景等干扰信号鲁棒。此外，在神经网络得到热力图的前提下，后续只需要几步相对简单的图像处理操作，从而提高了整个方案的易用性。
目标完整性检测方法装置

[发明专利]一种深度学习神经网络的优化方法、装置及系统-CN201910513306.X有效
发明人：林宇;陶海 -专利权人：北京文安智能技术股份有限公司
申请日： 2019-06-14 - 公布日： 2021-06-01 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及深度学习技术领域，公开了一种深度学习神经网络的优化方法、装置及系统。其中，所述深度学习神经网络的优化方法包括：获取深度学习神经网络的输出信息，样本的原始类别标注信息以及亲近类别损失函数；将所述深度学习神经网络的输出信息和所述样本的原始类别标注信息，通过所述亲近类别损失函数进行梯度分析，获取所述样本的梯度分析结果；将所述样本的梯度分析结果发送给所述深度学习神经网络进行参数调整，实现深度学习神经网络的优化，使得深度学习神经网络的精度不受实际场景的影响而有明显的波动，并且降低严重识别错误的发生概率
一种深度学习神经网络优化方法装置系统

[发明专利]一种图像分级方法、装置、设备和存储介质-CN202010163482.8在审
发明人：王静雯;刘江;袁进 -专利权人：广州视源电子科技股份有限公司;中国科学院宁波工业技术研究院慈溪生物医学工程研究所;中山大学中山眼科中心
申请日： 2020-03-10 - 公布日： 2020-07-10 - 主分类号： G06T7/00 文献下载
摘要：该方法包括：确定原始AS‑OCT图像对应的原始三维图像；将原始三维图像对应的第一预设个数尺度的中间三维图像依次输入至对应预设3D卷积神经网络，得到对应的一维向量；根据第一预设个数的一维向量计算得到对应的输出结果；根据输出结果和预先配置的浑浊类别确定原始AS‑OCT图像的浑浊程度。本发明通过从不同角度拍摄原始AS‑OCT图像，可以提取并学习到图像中的更多特征，有效提升了网络分类的精度；同时，通过构建多尺度的3D卷积神经网络，以将原始三维图像对应的多个尺度的中间三维图像输入至对应预设3D卷积神经网络中，从而将全局特征和局部特征相融合有利于网络挖掘到更具有辨别性的特征信息。
一种图像分级方法装置设备存储介质

[发明专利]用于小样本转移学习的系统和方法-CN201980078039.6在审
发明人：索黑尔·柯劳里;穆罕默德·罗斯塔米;金劲男 -专利权人： HRL实验室有限责任公司
申请日： 2019-08-05 - 公布日： 2021-07-23 - 主分类号： G06N3/08 文献下载
摘要：一种用于训练控制器以控制机器人系统的方法，包括：基于来自原始域的原始数据样本和标签空间中的标签来接收用于所述机器人系统的原始控制器的神经网络，所述神经网络包括编码器和分类器参数，所述神经网络被训练为：使用所述编码器参数将输入数据样本从所述原始域映射到特征空间中的特征向量；以及基于所述分类器参数使用所述特征向量将所述标签空间的标签分配给所述输入数据样本；更新所述编码器参数以最小化所述特征空间中以下项之间的相异性：从所述原始数据样本计算的原始特征向量；以及从来自目标域的目标数据样本计算的目标特征向量
用于样本转移学习系统方法

[发明专利]用于生成合成成像数据的方法、系统及计算机可读介质-CN202110983415.5在审
发明人：韩晓 -专利权人：医科达有限公司
申请日： 2017-07-14 - 公布日： 2021-12-21 - 主分类号： G06T11/00 文献下载
摘要：该方法包括：接收人类主体的解剖部分的原始成像数据，原始成像数据包括提供解剖部分的第一成像模态描绘的多个图像；接收被训练以用于基于原始成像数据来预测合成成像数据的卷积神经网络模型；以及通过使用卷积神经网络模型将原始成像数据转换为包括类似于解剖部分的第二成像模态描绘的多个图像的合成成像数据将原始成像数据转换为合成成像数据包括：使用卷积神经网络模型，从原始成像数据的多个图像生成一个或更多个合成图像；聚合一个或更多个生成的合成图像的多个组；以及根据聚合的一个或更多个生成的合成图像的多个组确定合成成像数据
用于生成合成成像数据方法系统计算机可读介质

[发明专利]基于卷积循环神经网络的单通道人声与背景声分离方法-CN202011119804.5有效
发明人：孙超 -专利权人：南京硅基智能科技有限公司
申请日： 2020-10-19 - 公布日： 2021-06-29 - 主分类号： G10L21/0272 文献下载
摘要：本发明公开了一种基于卷积循环神经网络的单通道人声与背景声分离方法，包括步骤：S1、获取原始混合语音信号；S2、得到原始混合信号幅度谱和原始混合信号相位谱；S3、将原始混合信号幅度谱输入卷积神经网络；S4、将低分辨率特征图和原始混合信号幅度谱输入循环神经网络，结合时频掩模得到人声经过时频掩模后的预测值和背景声经过时频掩模后的预测值；S5、将人声经过时频掩模后的预测值和背景声经过时频掩模后的预测值分别与原始混合信号相位谱结合
基于卷积循环神经网络通道人声背景分离方法

[发明专利]基于信息增强调用序列的API推荐方法及装置-CN202210335647.4有效
发明人：高翠芸;陈雨佳;王轩;廖清;刘川意;韩培义 -专利权人：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
申请日： 2022-04-01 - 公布日： 2022-07-22 - 主分类号： G06F8/70 文献下载
摘要：本发明公开了一种基于信息增强调用序列的API推荐方法及装置，方法包括解析源代码提取得到原始API调用序列，根据原始API调用序列获取用户自定义API和非自定义API的对应关系，得到增强API调用序列；将原始API调用序列和增强API调用序列分别放入神经网络嵌入层，得到原始序列表示向量和第一增强序列表示向量，将第一增强序列表示向量输入神经网络第一编码器，得到第二增强序列表示向量，并和原始序列表示向量进行信息融合得到API新向量表示；将API新向量表示输入神经网络第二编码器中，得到API序列向量并输入相似度计算模块，得到每一个候选API的概率。本发明可解决原始API调用序列信息不足和用户自定义API携带信息过少影响推荐准确率的问题。
基于信息增强调用序列 api 推荐方法装置

[发明专利]针对高斯分类神经网络进行强化训练的方法及设备-CN201911413570.2在审
发明人：吴宏刚;赵士瑄;隋运峰;刘为谦;邓凌竹;程志 -专利权人：中国民用航空总局第二研究所
申请日： 2019-12-31 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种针对高斯分类神经网络进行强化训练的方法及设备，方法包括：对原始高斯分类神经网络进行强化训练，以得到目标高斯分类神经网络；获取待分类的图像信号；将待分类的图像信号输入目标高斯分类神经网络进行处理，以得到分类结果；其中，强化训练神经网络包括与卷积‑全连接层连接的强化网络损失层，其替换了原始高斯分类神经网络中的高斯混合判别层对高斯分类神经网络进行训练，提高了高斯分类神经网络的分类性能，并可实现特征编码等特殊应用需求，同时将待分类的图像信号输入上述目标高斯分类神经时，可提高信号分类预测的准确性。
针对分类神经网络进行强化训练方法设备

[发明专利]一种基于卷积神经网络的翻录语音检测方法-CN201711323563.4在审
发明人：王让定;李璨;严迪群;林朗 -专利权人：宁波大学
申请日： 2017-12-13 - 公布日： 2018-06-22 - 主分类号： G10L17/18 文献下载
摘要：本发明公开了一种基于卷积神经网络的翻录语音检测方法，其先构建原始语音库和翻录语音库；然后提取原始语音库中的每个原始语音的语谱图作为正样本，提取翻录语音库中的每个翻录语音的语谱图作为负样本，选择一部分正样本和负样本构成训练集，剩余部分正样本和负样本构成测试集；接着根据训练集和卷积神经网络框架，构建卷积神经网络框架训练模型；再将测试集中的每个样本作为输入，输入到卷积神经网络框架训练模型中，得到分类结果；优点是其能够在不受文本限制的情况下
卷积神经网络原始语音负样本正样本训练模型语音检测训练集语音库构建语音分类结果文本限制测试集准确率偷录样本测试检测

[发明专利]一种基于三维卷积网络的雷达高分辨距离像目标识别方法-CN202010177056.X在审
发明人：陈渤;张志斌;刘宏伟 -专利权人：西安电子科技大学
申请日： 2020-03-13 - 公布日： 2020-07-28 - 主分类号： G01S7/41 文献下载
摘要：具体涉及一种基于三维卷积网络的雷达高分辨距离像目标识别方法，获取原始数据x，将所述原始数据x分为训练样本集和测试样本集；根据所述原始数据x计算得到分段重组后的数据x″″′；建立三维卷积神经网络模型；根据所述训练样本集和所述分段重组后的数据x″″′对所述三维卷积神经网络模型进行构建，得到训练好的卷积神经网络模型；根据所述训练好的卷积神经网络模型对所述测试样本集进行目标识别。
一种基于三维卷积网络雷达分辨距离目标识别方法